摘要：售电量是电网企业最为关注的指标之一，本文对中长期售电量预测步骤及其模型方法进行了研究。其中预测步骤包括：制定计划、收集资料、整理资料、建立模型、评价模型、综合分析、出具报告、结果分析等。预测模型有经典预测模型、灰色系统预测模型、神经网络预测模型、支持向量机模型等。
关键词：售电量预测；灰色模型；BP神经网络
引言
电网企业以售电为主营业务，售电量的多少将直接影响公司经营效益，而对售电量进行准确的预测还有利于公司进行有效的购电计划安排，提高供电可靠性。传统意义的售电量预测仅仅依赖于全社会用电量的大致走势来预估一个增长率，作为下一预测周期的预测基础，但是，随着电量影响因素的复杂化，其趋势增了更多的不确定性，就需要选择使用可以考虑多影响因素的预测模型进行预测。
一、售电量预测概念和原理
售电量预测是指在正确的理论指导下，通过调查研究掌握大量的资料，运用可靠的方法和手段对公司售电量的发展趋势做出科学合理的推断。
售电量预测工作是根据负荷的历史数据，通过预测模型得出其发展规律，从而预测售电量在以后某一时间范围内的变化，因此数据采集和数学模型选择是工作中最重要的两部分。
售电量预测的基本原理有：可知性原理，也就是说被预测的目标的变化是有规律的，其以后的变化可以通过历史的现在的变化预测得到，这是所有预测工作的基础；可能性原理，事物的发展是多方向的，预测目标的发展也是有多种方式的，条件不同，预测目标的预测结果不同，因此要进行多方向的预测；连续性原理，预测工作是通过历史数据得出预测目标的变化规律，而达成这一目的的前提书这种变化是连续的。
二、中长期售电量预测步骤
电网规划中长期售电量预测比较系统、复杂，一般分为以下几个步骤。
1.确定售电量预测目的、制定预测计划
本文中的售电量预测目的是对未来5至10年的售电量变化进行粗略的预测。其中预测计划的制定需要考虑一系列问题：准备预测的时期为未来5至10年，历史资料跨度为过去十年中以年为单位的售电量数据资料。
2.调查资料和选择资料
根据预测目标的具体要求，广泛搜集所需的有关资料。以直接有关性、可靠性、最新性为标准，选择资料，并且深入研究。搜集的资料应该包括电力企业内部资料和外部资料，国民经济有关部门的资料、以及公开发表和未公开发表的资料，然后从众多的资料中挑选出合适的部分。但是从我国目前情况来看，各层次的资料往往不够完整，真实性也有很大问题，资料收集难度比较大。
3.资料整理
搜集到历年资料并进行初步分析之后，要对这些数据进行遴选，一定要突出数据的代表性，而且还要保证数据的真实性和可用性。评价资料质量高低的标准，主要有以下几个方面：数据完整性，数据项是否遗漏，数据是否真实，数据前提条件是否正常，资料时间连续性，时间序列个参数是否具有可比性。之后进行资料整理：对缺失的数据进行修补，核实调整真实性有问题的资料。
4.建立预测模型
根据数据的完整程度、详细程度、数据项的个数选择合适的预测模型进行预测，如一次平滑模型、二次平滑模型、比例系数模型、弹性系数模型、灰色模型。如果条件合适，可以使用组合预测模型，给不同的预测模型加上相应的权重，进行预测。
5.预测模型评价
预测模型的评价涉及多方面，其中预测数据是否精确是最重要的一点，要对分析预测结果进行误差分析，对于误差过大的模型，要及时进行修正模型参数，修改模型参数后如果数据拟合度仍然不理想，就要更换预测模型，直到数据拟合理想为止。
6.综合分析
选择好预测模型后，就要向模型输入之前采集的大量数据，根据预测结果综合分析整个预测过程是否有遗漏的地方，及时补充到模型中。
7.编写预测报告，交付使用
预测报告中包含的是本次预测的结果，由于预测结果的不确定性，必须把得出每种预测结果的条件详细描述，同时，对预测使用的各种数学模型和假设也要详细描述。
8.售电量预测管理
本次售电量预测结束后，除了给予决策者此次决策支持外，还要及时进行反馈，如果发现偏差较大，要立即调整假设条件系数，以及调整使用的数学模型。
三、售电量预测方法
1.经典预测模型
经典预测模型依赖回归函数对售电量曲线进行拟合，利用不同的规律曲线预测售电量变化。可供选择的回归函数包括指数函数模型、双曲线函数模型、一元线性回归模型、S型曲线模型等。预测时可以根据售电量的经验变化规律选择合适的模型进行拟合，这种模型的优点是拟合速度快、计算方便，缺点是模型曲线有限，不能拟合出曲线规律以外的变化趋势。
2.灰色系统预测模型
灰色预测是用灰色模型GM（1，1）、GM（1，n）进行的定量预测，灰色预测从其功用与特征上可分为五类。数列预测，该预测是指对某个事物发展变化的大小与时间所作的观测，例如，售电量预测要求根据历史售电量数列预测未来某一时期的售电量值的大小，这是我们主要使用的一种预测方法。灾变预测，该预测是指对异常值的预测，主要是预测异常值出现的时刻。季节灾变预测，该预测是指发生在一年中某个季节，或某个特定时区内的异常预测，它只是预测一年内某个特定时区灾变异常值出现的时刻。拓扑预测，该预测是指用GM（1，1）模型预测未来发展变化的整个波形，这种预测在售电量预测中不常用到。系统预测，该预测是指对系统中包括的几个量一起预测，预测变量（因素）之间发展变化的关系，预测系统中主导因素的作用。
3.BP神经网络预测模型 运用神经网络技术进行售电量预测，是刚兴起的又一新的研究方法，其优点是可以模仿人脑的智能化处理，对大量非结构性、非精确性规律具有自适应功能，具有信息记忆、自主学习、知识推理和优化计算的特点，特别的，其自学习和自适应功能是常规算法和专家系统技术所不具备的。因此，预测被当作人工神经网络（简记为ANN）最有潜力的应用领域之一。很多人都试图应用反传学习算法训练ANN，以用作时间序列预测。误差反向传播算法又称BP法，提出一个简单的三层人工神经网络模型，就能实现从输入到输出间非线性映射任何复杂函数关系。因此，我们可以将对售电量荷影响最大的几种因素作为输入，即GDP、全社会用电量、CPI等，争取获得较好的预测结果。
4.支持向量机预测模型
统计学习理论在研究小样本情况下表现出了极好的性能，支持向量机和支持向量机回归是统计学习理论的重要组成部分，具有较好的推广能力和非线性建模特性。由于现有非线性建模与智能控制方法存在诸如模型结构的选取过分依赖经验、局部极小点等问题，因而，较适合用于售电量的预测。
四、结论
在售电量预测工作中，首先需要获取真实有效的历史数据作为支撑，这些数据包括电网公司内部数据和公司外部宏观经济数据。就当前情况，电网公司已经将内部数据进行整合处理，并且建立了相应的数据中心作为各数据需求部门的数据提供端；而对于外部数据，电网公司也陆续与国家统计局、气象局等部门建立了数据共享接口。在真实数据基础上，使用本文提供的售电量预测步骤、方法，得到的预测结果将对电网公司的规划、分析等工作提供强有力的支撑。
